深度学习环境搭建之CentOS 7+NVIDIA GPU+CUDA8.0+CUDNN6.0+TensorFlow

本文主要是介绍深度学习环境搭建之CentOS 7+NVIDIA GPU+CUDA8.0+CUDNN6.0+TensorFlow，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

最近在ultralab GX480i测试了一下CentOS7 Deep Learning TensorFlow，其中也是踩坑无数，今整理安装过程发出来，希望大家安装的时候可以参考一下，不用浪费太多的时间在安装配置上，而是把有限的时间用到代码上

一，安装显卡驱动
网上搜索的驱动安装大都是手动编译安装，既：安装编译环境--到官网下载驱动文件*.run--blacklist nouveau，#blacklist nvidiafb--init 3--./NVIDIA xxx.run……然而，过程麻烦且不说，安装完成后总是出现各种意料之外的问题。所以我放弃了这种安装方法，选择从ELRepo源安装显卡驱动（以下操作均以root权限运行）。

1. 添加ELRepo源

首先导入公共密钥：rpm --import https://www.elrepo.org/RPM-GPG-KEY-elrepo.org

然后安装ELRepo

CentOS-7：rpm -Uvh http://www.elrepo.org/elrepo-release-7.0-2.el7.elrepo.noarch.rpm

CentOS-6：rpm -Uvh http://www.elrepo.org/elrepo-release-6-6.el6.elrepo.noarch.rpm

CentOS-5：rpm -Uvh http://www.elrepo.org/elrepo-release-5-5.el5.elrepo.noarch.rpm

ELRepo-release会不断更新，具体操作时请到ELRepo主页http://elrepo.org/tiki/tiki-index.php查看。

2. 查找合适的驱动

安装显卡检查程序：yum install nvidia-detect

运行：nvidia-detect，在我电脑上的输出：kmod-nvidia
即适合我用的显卡驱动为kmod-nvidia

3. 安装显卡驱动

可以先看看软件源中的驱动程序：yum search kmod-nvidia
结果为：
kmod-nvidia.x86_64 : nvidia kernel module(s)
kmod-nvidia-304xx.x86_64 : nvidia-304xx kernel module(s)
kmod-nvidia-340xx.x86_64 : nvidia-340xx kernel module(s)

安装：yum -y install kmod-nvidia

ELRepo源的nvidia-detect命令，可以自动帮我们寻找合适的驱动，用yum完成安装重启之后并没有那些意料之外的各种问题！此处省时无数！

二，安装CUDA

NVIDIA官网选择与系统版本匹配的CUDA版本下载，建议不要用太新的CUDA版本，新版本很有可能和TensorFlow版本不匹配，这里也是踩坑无数次深度学习环境搭建之CentOS <wbr>7+NVIDIA <wbr>GPU+CUDA8.0+CUDNN6.0+TensorFlow，最后还是选择用的最多的CUDA8.0
可以创建一个app的目录，把下载的cuda_8.0.61_375.26_linux.run文件和后面的cudnn-8.0-linux-x64-v6.0.tgz放到app里面

cd /app
./cuda_8.0.61_375.26_linux.run

安装执行以下过程
accept
-------------------------------------------------------------
Do you accept the previously read EULA?accept/decline/quit: accept
# no
Install NVIDIA Accelerated Graphics Driver for Linux-x86_64 375.26?(y)es/(n)o/(q)uit: n
-------------------------------------------------------------
后面的就都选yes或者default ，看到以下输出信息说明安装成功

The driver installation has failed due to an unknown error. Please consult the driver
installation log located at /var/log/nvidia-installer.log.

===========
= Summary =
===========

Driver: Not Selected
Toolkit: Installed in /usr/local/cuda-8.0
Samples: Installed in /root, but missing recommended libraries
......

完成后就配置cuda环境变量，编辑~/.bashrc文件
vim ~/.bashrc

按a插入模式，添加如下内容
export LD_LIBRARY_PATH=/usr/local/cuda-8.0/lib64:/usr/local/cuda-8.0/extras/CUPTI/lib64:$LD_LIBRARY_PATH
export CUDA_HOME=/usr/local/cuda-8.0/
esc退出插入模式，:wq保存退出

确认/etc/profile中的路径包含了cuda8.0的安装路径及相应的库文件
export PATH=$PATH:/usr/local/cuda-8.0/bin
export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/cuda-8.0/lib64
export LIBRARY_PATH=$LIBRARY_PATH:/usr/local/cuda-8.0/lib64
:wq

使配置文件生效，执行：source /etc/profile

若后面运行仍提示相同的错误，则执行以下命令，将相应的库文件复制到/usr/lib
cp /usr/local/cuda-8.0/lib64/libcudart.so.8.0 /usr/local/lib/libcudart.so.8.0 && sudo ldconfig
cp /usr/local/cuda-8.0/lib64/libcublas.so.8.0 /usr/local/lib/libcublas.so.8.0 && sudo ldconfig
cp /usr/local/cuda-8.0/lib64/libcurand.so.8.0 /usr/local/lib/libcurand.so.8.0 && sudo ldconfig

ps. ldconfig命令是一个动态链接库管理命令，是为了让动态链接库为系统共享。

三，安装cuDNN
依然NVIDIA官网上下载cuDNN包（注意版本匹配的问题），也放入上面那个app里，执行以下操作：

cd /app
tar -xvzf cudnn-8.0-linux-x64-v6.0.tgz
cp include/* /usr/local/cuda/include
cp lib64/* /usr/local/cuda/lib64

四，Centos7安装python3/python2共存

1.查看是否已经安装Python
CentOS 7默认安装了python2.7，因为一些命令要用它比如yum它使用的是python2.7。

python -V //查看一下是否安装Python
which python //查看一下Python可执行文件的位置

默认执行文件在/usr/bin/ 目录下，cd到该目录下执行：python* //查看python指向的是python2.7

现在要安装python3版本，所以python要指向python3，目前还没有安装python3，先安装相关包，用于下载编译python3

yum install zlib-devel bzip2-devel openssl-devel ncurses-devel sqlite-devel readline-devel tk-devel gcc make

不能忽略相关包，然后备份：mv python python.bak

2.开始编译安装python3
官网下载编译安装包或者直接执行以下命令下载

wget https://www.python.org/ftp/python/3.6.2/Python-3.6.2.tar.xz
tar -xvJf Python-3.6.2.tar.xz //解压
cd Python-3.6.2 //切换进入
./configure prefix=/usr/local/python3 //编译安装
make && make install

安装完毕，/usr/local/目录下就会有python3
ln -s /usr/local/python3/bin/python3 /usr/bin/python //添加软链到执行目录下/usr/bin

python -V //查看输出的是python3
python2 -V //查看输出的是python2

因为执行yum需要python2版本，所以我们还要修改yum的配置，执行：
vi /usr/bin/yum
按a插入，把#! /usr/bin/python修改为#! /usr/bin/python2
esc退出插入，：wq保存退出

同样
vi /usr/libexec/urlgrabber-ext-down
按a插入，把#! /usr/bin/python修改为#! /usr/bin/python2
esc退出插入，：wq保存退出

这样python3版本就安装完成，同时也有python2
python -V 版本3
python2 -V 版本2

五，安装TensorFlow
有python2x和python3x，安装方式一样，python2x用pip，python3x用pip3即可。我是为了测试两种版本都安装了TensorFlow，如此任性也没有谁了吧深度学习环境搭建之CentOS <wbr>7+NVIDIA <wbr>GPU+CUDA8.0+CUDNN6.0+TensorFlow

首先，pip工具安装
1、首先检查有没有安装python-pip包，直接执行：yum install python-pip
2、没有python-pip包就执行命令：yum -y install epel-release
3、执行成功之后，再次执行：yum install python-pip
4、对安装好的pip进行升级：pip install --upgrade pip

TensorFlow可以安装CPU和GPU两种版本

CPU版本安装命令如下：
python 2.7版本：pip install tensorflow
python 3.x版本：pip3 install tensorflo

GPU版本安装命令如下：
python 2.7版本：pip install tensorflow-gpu==1.4
python 3.x版本：pip3 install tensorflow-gpu==1.3 //CentOS7用的python3.6.2，开始用1.4版本，报错，按照网上各种设置后依然不理想，后来看到一大咖说换1.3就完美啦！果然高手在民间！
若上述命令执行过程没有报错，则安装成功

附源码安装 pip
$ wget --no-check-certificate https://github.com/pypa/pip/archive/9.0.1.tar.gz # 下载源代码
$ tar -zvxf 9.0.1 -C pip-9.0.1 # 解压文件
$ cd pip-9.0.1
$ python3 setup.py install # 使用 Python 3 安装
$ sudo ln -s /usr/local/python3/bin/pip /usr/bin/pip3 #创建链接
$ pip install --upgrade pip # 升级 pip

六，测试TensorFlow
终于到了测试这一步了，有没有很期待？！
先试：python2 //本次Python2=python2.7
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello)) //print注意语法（）
Hello, TensorFlow!

再试：python //本次python=python3.6
>>> import tensorflow as tf
>>> hello = tf.constant('Hello, TensorFlow!')
>>> sess = tf.Session()
>>> print(sess.run(hello)) //print注意语法（）
b"Hello, TensorFlow! "

到此全部结束，enjoy TensorFlow！

专注高性能图形工作站

详询QQ/微信：596349281